Fitri, Fitri (2022) IDENTIFIKASI KUALITAS APEL GOLDEN MELALUI WARNA CITRA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING. Skripsi thesis, Universitas Hasanuddin.
![[thumbnail of H021191071_skripsi_02-12-2022 cover1.png]](/40501/1.hassmallThumbnailVersion/H021191071_skripsi_02-12-2022%20cover1.png)
![](/40501/1.haspreviewThumbnailVersion/H021191071_skripsi_02-12-2022%20cover1.png)
H021191071_skripsi_02-12-2022 cover1.png
Download (182kB) | Preview
![[thumbnail of H021191071_skripsi_02-12-2022 1-2.pdf]](/style/images/fileicons/text.png)
H021191071_skripsi_02-12-2022 1-2.pdf
Download (1MB)
![[thumbnail of H021191071_skripsi_02-12-2022 dp.pdf]](/style/images/fileicons/text.png)
H021191071_skripsi_02-12-2022 dp.pdf
Download (556kB)
![[thumbnail of H021191071_skripsi_02-12-2022.pdf]](/style/images/fileicons/text.png)
H021191071_skripsi_02-12-2022.pdf
Restricted to Repository staff only
Download (2MB)
Abstract (Abstrak)
Kemajuan teknologi memungkinkan identifikasi kualitas buah apel dengan bantuan komputer. Namun, identifikasi kualitas buah secara otomatis menggunakan komputer masih merupakan tugas menantang karena terdapat beragam jenis buah-buahan khususnya buah apel. Pada penelitian ini, kami membuat program untuk mengidentifikasi kualitas buah apel khususnya apel golden melalui aspek warna citra menggunakan metode k-means clustering.
Terdapat 300 data citra dengan tiga atribut yang digunakan dalam penelitian ini. Variasi pemilihan centroid awal dipilih sebanyak tujuh variasi yaitu A, B, C, D, E, F dan G. Penelitian ini mampu membuat program machine learning yang dapat mengidentifikasi kualitas buah apel golden ke dalam tiga cluster berdasarkan indeks warna citra yaitu merah, hijau dan biru (RGB). Hasil yang diperoleh
menunjukkan bahwa metode yang diusulkan dapat digunakan untuk
mengidentifikasi citra apel golden dengan tingkat akurasi sebesar 95,33%, masing-masing untuk variasi A, D, E, F, G dan 66,67% untuk variasi B dan C.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Q Science > Q Science (General) |
Depositing User: | Nasyir Nompo |
Date Deposited: | 20 Dec 2024 07:19 |
Last Modified: | 20 Dec 2024 07:19 |
URI: | http://repository.unhas.ac.id:443/id/eprint/40501 |